NeuPAN

Planejador end-to-end em tempo real que mapeia pontos brutos de lidar diretamente em ações do robô

Licença

GPL-3.0

Visão geral

NeuPAN (Neural Proximal Alternating-minimization Network) é um planejador de navegação de robôs end-to-end, em tempo real e sem mapa, publicado na IEEE Transactions on Robotics. Ele acopla um modelo aprendido de distância ponto-colisão a uma otimização baseada em modelo resolvida por minimização alternada proximal, mapeando pontos brutos de lidar diretamente em ações livres de colisão — sem pipeline percepção-planejamento, sem mapa pré-construído — e roda em robôs reais de tração diferencial e Ackermann em ambientes desordenados e dinâmicos.

Pilhas de navegação convencionais encadeiam módulos de percepção, mapeamento e planejamento, acumulando latência e erro em cada estágio. O NeuPAN colapsa a cadeia: um problema de otimização interpretável acopla a dinâmica do robô, os limites de controle e as restrições de desvio de obstáculos, onde as distâncias aos obstáculos vêm do DUNE, um modelo aprendido que codifica pontos brutos em características latentes de distância. O problema é resolvido online por uma rede neural de minimização alternada proximal, alcançando taxas de tempo real em GPUs embarcadas enquanto mantém o comportamento de satisfação de restrições do controle baseado em modelo. O repositório fornece o planejador completo com modelos pré-treinados, exemplos configurados em YAML no IR-SIM (o simulador leve do autor, também presente nesta plataforma), integração ROS para robôs reais e reproduções dos cenários do artigo, incluindo obstáculos dinâmicos, corredores estreitos e desordem densa não estruturada, com cinemáticas de tração diferencial e Ackermann.

Por que importa

O NeuPAN é um dos primeiros planejadores end-to-end com um backbone rigoroso baseado em modelo e implantações demonstradas em robôs reais — publicado na T-RO, ele representa para onde a pesquisa em navegação está indo: planejamento direto de sensor para ação com a estrutura de segurança da otimização, não apenas uma política caixa-preta.

Problema que resolve

Pipelines de navegação modulares adicionam latência e erro composto entre percepção e planejamento, e sofrem em desordem densa e dinâmica. O NeuPAN planeja diretamente sobre pontos brutos em tempo real enquanto impõe restrições de dinâmica e colisão, fechando essa lacuna em hardware real.

Pontos principais

• End-to-end: pontos brutos de lidar mapeiam diretamente em ações livres de colisão — sem mapa pré-construído
• Núcleo baseado em modelo: dinâmica, limites de controle e restrições de colisão em uma única otimização
• Modelo de distância aprendido DUNE + solver de minimização alternada proximal para taxas de tempo real
• Implantado em robôs reais de tração diferencial e Ackermann em desordem dinâmica
• Publicado na IEEE Transactions on Robotics; exemplos de simulação rodam no IR-SIM

Para quem é

• Pesquisadores de navegação explorando planejamento end-to-end
• Engenheiros de robótica avaliando planejadores aprendidos
• Estudantes de pós-graduação estudando controle baseado em otimização
• Desenvolvedores de robôs para espaços dinâmicos e desordenados

Limitações

• A licença GPL-3.0 restringe a produtização com código fechado
• Requer PyTorch e se beneficia de uma GPU para desempenho em tempo real
• Foco em navegação 2D — sem planejamento de voo 3D ou de manipulação
• Código de pesquisa: a integração além dos exemplos ROS fornecidos fica por conta do usuário